Geri Dön

Twitter'da yanlış bilgi ve dezenformasyon tespiti için yapay zeka tekniklerinin kullanılması ve karşılaştırılması

Using and comparison of artificial intelligence techniques to detect misinformation and disinformation on Twitter

PDF İndir

  1. Tez No: 901208
  2. Yazar: OMAR RAAD MAHMOOD MAHMOOD
  3. Danışmanlar: DR. ÖĞR. ÜYESİ FUNDA AKAR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: Türkçe
  9. Üniversite: Erzincan Binali Yıldırım Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Yapay Zeka ve Robotik Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Bu çalışma, sosyal medya platformu Twitter'daki yanlış bilgileri tespit etmek için bir dizi yapay zeka (AI) tekniğini incelerek yanlış bilgi ve sahte haberlerin kamusal söylem üzerindeki potansiyel etkisine ilişkin yaygın bir sorunu ele almaktadır. Aldatıcı ve güvenilir içeriği ayırt etmek için Uzun Kısa Süreli Bellek (LSTM), Destek Vektör Makinesi (SVM), Rastgele Orman (RF), Gauss Naive Bayes (GaussianNB), Gradyan Arattırma (GBoost), Karar Ağacı (DT), Lojistik Regresyon (LR), Aşırı Gradyan Arattırma (XGBoost) ve K-En Yakın Komşular (K-NN) dahil olmak üzere çeşitli modeller kullanılmıştır. Analizde doğal dil işleme (NLP), derin öğrenme (DL) ve makine öğrenimi (ML) teknikleri kullanılarak 23481 sahte tweet ve yaklaşık 21418 gerçek tweetten oluşan bir veri seti kullanılarak her bir modelin yanlış bilgi kalıplarını tespit etmedeki etkinliği gösterilmiştir. Çalışma, özellikle doğruluk, verimlilik ve ölçeklenebilirliğe odaklanarak, bu AI sistemlerinin güçlü yönlerinin ve sınırlamalarının kapsamlı bir değerlendirmesini sunmaktadır. Sonuçlar, XGBoost'un %99.82 doğruluk ve %99.81 F1 puanı ile en iyi performansı sergilediğini göstermektedir. Bunu %99.63 doğruluk ve %99.62 F1 puanı gösteren (GBoost) ve %99.61 doğruluk ve %99.59 F1 puanı ile (DT) takip etmektedir. Sonuçlar bu modellerin en etkili modeller olduğunu göstermektedir. Diğer modeller %99.31 ile %81.63 arasında değişen doğruluk gösterirken, sonuçlar ana modellerin performansına dair fikir vererek dezenformasyonla mücadeleye ve bilginin güvenilirliğine önemli katkı sağlamaktadır.

Özet (Çeviri)

This study addresses a widespread problem of the potential impact of misinformation and fake news on public discourse by examining a set of artificial intelligence (AI) techniques to detect misinformation on the social media platform Twitter. A variety of models, including Long Short-Term Memory (LSTM), Support Vector Machine (SVM), Random Forest (RF), Gaussian Naive Bayes (GaussianNB), Gradient Search (GBoost), Decision Tree (DT), Logistic Regression (LR), Extreme Gradient Search (XGBoost), and K-Nearest Neighbors (K-NN), are used to distinguish deceptive and trustworthy content. The analysis uses natural language processing (NLP), deep learning (DL), and machine learning (ML) techniques to demonstrate the effectiveness of each model in detecting misinformation patterns using a dataset consisting of 23481 fake tweets and approximately 21418 genuine tweets. The study provides a comprehensive assessment of the strengths and limitations of these AI systems, particularly focusing on accuracy, efficiency, and scalability. The results show that XGBoost performs best with 99.82% accuracy and 99.81% F1-score. This is followed by (GBoost) with 99.63% accuracy and 99.62% F1-score and (DT) with 99.61% accuracy and 99.59% F1-score. The results show that these models are the most effective models. While the other models show accuracy ranging from 99.31% to 81.63%, the results provide insight into the performance of the main models, contributing significantly to the fight against disinformation and the reliability of information.

Benzer Tezler

  1. Tez No

    674931

    Barış Pınarı Harekatı sürecinde Anadolu Ajansı'nın Twitter paylaşımları çerçevesinde dezenformasyon

    Disinformation within the framework of Twitter shares of Anadolu Agency's in the process of the Peace Spring Operation

    ALİ ŞEBEROĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Radyo-TelevizyonAnkara Hacı Bayram Veli Üniversitesi

    Radyo Televizyon ve Sinema Ana Bilim Dalı

    PROF. DR. MEHMET SEZAİ TÜRK

  2. Tez No

    805677

    Pandemi sürecinde infodemi: Twitter üzerine bir inceleme

    Infodemic in the pandemic process: A review on Twitter

    ÜNAL GÖRKEM AKMAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    GazetecilikAnkara Hacı Bayram Veli Üniversitesi

    Gazetecilik Ana Bilim Dalı

    DR. KONUR ALP KOZ

  3. Tez No

    823989

    Tık tuzağı taktiklerinin haber sitelerinde okur angajmanına etkisi

    The impact of clickbait tactics on reader engagement in news websites

    DUYGU UZUNOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    GazetecilikKadir Has Üniversitesi

    Kurumsal İletişim ve Halkla İlişkiler Yönetimi Bilim Dalı

    PROF. DR. BANU BAYBARS HAWKS

  4. Tez No

    906397

    Hakikat sonrası dönemde dezenformasyon ve dijital aktivizm

    Disinformation and digital activism in the post-truth era

    AHSEN BÜŞRA DİLİPAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    SosyolojiÜsküdar Üniversitesi

    Sosyoloji Ana Bilim Dalı

    DOÇ. DR. GÜL ESRA ATALAY

  5. Tez No

    807278

    Doğruluk-ötesi (post-truth) dönemde yalan haber (fake news) ve Covid-19 aşıları: Twitter etiketlerinde aşı karşıtı argümanlar üzerine bir sosyal ağ analizi

    Fake news and Covid-19 vaccines in the post-truth era: A social network analysis on anti-vaccine arguments in Twitter hashtags

    ÖMER DÖNMEZÇELİK

    Doktora

    Türkçe

    Türkçe

    2023

    FelsefeAnkara Hacı Bayram Veli Üniversitesi

    Gazetecilik Ana Bilim Dalı

    PROF. DR. CEM YAŞIN

Geri Dön